知识卡片：LongLive-Plug：面向视频生成的 Once-for-All 蒸馏

英文标题：LongLive-Plug: Once-for-All Distillation for Video Generation

英文关键词（据摘要提取）：once-for-all distillation; LoRA; video diffusion; classifier-free guidance; few-step sampling; long-context error correction; autoregressive generation; training-free; plug-and-play; downstream models.

一句话结论

LongLive-Plug 提出一种 once-for-all 蒸馏框架：把可复用能力作为 LoRA 学到基座模型上，再以免训练、即插即用的方式部署到兼容的下游视频扩散模型，从而避免为每个专用模型重复蒸馏；具体效果与边界待核实。

事件概述或研究问题

• 视频扩散模型越来越多被开发为面向多样下游任务的专用模型；这种开发常包含蒸馏阶段，例如加速采样或改进长视频生成。
• 摘要指出的问题是：该蒸馏阶段通常对每个专用模型重复执行。
• 论文提出 LongLive-Plug，研究能否在基座模型上一次性学习可复用能力，并复用于兼容下游模型。
• 材料显示作者包括 Shuai Yang、Luozhou Wang、Wei Huang 等；arXiv ID 为 2609.38154v1，主分类 cs.CV，材料标注发布日期为 2026-09-29T17:58:49Z。

方法/产品要点

• 一次性蒸馏（once-for-all distillation）框架：在基座模型上以 LoRA 形式学习可复用能力。
• 部署方式：training-free、plug-and-play 到兼容的下游模型；无需针对每个目标模型重新训练。
• 摘要列出的能力包括：
  • 单次前向的 classifier-free guidance（single-pass CFG）；
  • 少步采样（few-step sampling）；
  • 面向自回归生成的长上下文纠错（long-context error correction）。
• 摘要称，即使下游模型新增条件分支（conditioning branches）或扩展输出通道（expand output channels），这些适配器仍可复用。
• CFG LoRA 虽在固定 guidance scale 下训练，但据摘要可通过推理权重提供文本引导控制；与 few-step LoRA 组合后，可同时保留少步生成与 CFG 可控性。
• 验证范围：54 个下游模型、3 个骨干族、8 个任务类别，包括 world modeling、robotics、editing、multimodal generation。
• 摘要称方法“may support additional compatible models”，即可能支持更多兼容模型；这属于可能性表述，待进一步验证。

主要结果或产业意义

• 材料报告的核心验证结果是：在 54 个下游模型、3 个骨干族、8 个任务类别上验证了免训练部署。
• 产业含义（基于摘要的合理推论）：若成立，视频扩散模型的蒸馏能力可以按骨干族一次性生产，再像插件一样复用到多个下游专用模型，降低 per-target retraining 的重复成本。
• 对长视频/自回归视频生成：摘要强调 long-context error correction，目标指向自回归生成中的长上下文误差问题；具体提升幅度待核实。
• 对可控生成：摘要强调 CFG LoRA 在固定训练 guidance scale 下仍提供推理时文本引导控制，并与少步采样兼容；具体控制粒度与权衡待核实。

为什么重要

• 与已有“并行解码蒸馏：面向快速图像与视频生成的轨迹式蒸馏方法”卡片的关系：两者都涉及视频生成蒸馏与加速；LongLive-Plug 的增量在于把蒸馏产物做成可复用的 LoRA 能力包，强调 once-for-all 与 training-free plug-and-play，而不是只报告某一种轨迹式加速蒸馏。
• 如果“每个骨干族蒸馏一次、复用到多个下游模型”成立，这可能改变视频扩散模型的工程范式：从为每个专用模型重复蒸馏，转向共享可插拔能力资产。
• 它把 CFG 控制、少步采样、长上下文纠错视为可模块化蒸馏和复用的能力，而非绑定在单一模型上的训练结果。
• 对 foundation-model 生态的意义：基座模型族与下游任务变体之间可形成更松耦合的蒸馏/部署关系。具体兼容边界与商业可用性待核实。

局限与不确定性

• 仅依据摘要和元数据，无法确认具体基准、定量指标（如 FVD、CLIP、推理加速倍数、任务成功率等）、消融实验和训练成本。
• “compatible downstream models”的判定标准、LoRA 能否跨条件分支和输出通道扩展稳定复用，待核实。
• 不同能力 LoRA 组合时的冲突、负迁移与超参敏感性，摘要未给出细节，待核实。
• 摘要中“may support additional compatible models”是潜力表述，不等同于已验证的通用性。
• 是否开源、许可证、代码/权重可复现性、是否被会议或期刊接收，待核实。
• 材料标注发布时间为 2026-09-29（Updated 同时间），但正式发表状态待核实。

可用于图书/PPT/简报的角度

• “蒸馏一次，插件复用”：把视频扩散模型的蒸馏能力从一次性训练步骤变成可复用资产。
• 从 per-target retraining 到 per-backbone-family distillation 的范式变化。
• LoRA 作为可插拔推理能力适配器：CFG 控制、少步采样、长上下文纠错三类能力打包。
• 案例数字：54 个下游模型、3 个骨干族、8 个任务类别；适合用来说明跨任务泛化验证的规模，但不要引用未核实的性能数字。
• 与轨迹式蒸馏/并行解码蒸馏对比：一个偏向蒸馏轨迹与解码加速，另一个偏向 once-for-all LoRA 能力复用；对比细节需以论文正文为准。
• 产业叙事：降低视频生成模型专用化过程中的重复蒸馏成本，可能有利于世界模型、机器人、编辑、多模态生成等下游方向。

原始材料

• Title: LongLive-Plug: Once-for-All Distillation for Video Generation
• arXiv ID: 2609.38154v1
• Authors: Shuai Yang, Luozhou Wang, Wei Huang, ZhiFei Chen, Bohan Zhang, Xiao Fu, Qianli Ma, Chen-Hsuan Lin, Weian Mao, Bryan Chu, Song Han, Yukang Chen
• Published: 2026-09-29T17:58:49Z
• Updated: 2026-09-29T17:58:49Z
• Primary category: cs.CV
• Categories: cs.CV
• Abstract URL: https://arxiv.org/abs/2609.38154v1
• PDF URL: https://arxiv.org/pdf/2609.38154v1
• 英文关键词：once-for-all distillation; LoRA; video diffusion; classifier-free guidance; few-step sampling; long-context error correction; autoregressive generation; training-free; plug-and-play; downstream models.
• 来源摘要：Video diffusion models are increasingly developed into specialized models for diverse downstream tasks, and this development often includes a distillation stage, for example to accelerate sampling or to improve long-video generation. This stage is typically repeated for every specialized model. We introduce LongLive-Plug, a once-for-all distillation framework that learns reusable capabilities as LoRAs on a base model for training-free, plug-and-play deployment to compatible downstream models. These capabilities include single-pass classifier-free guidance, few-step sampling, and long-context error correction for autoregressive generation. The adapters remain reusable even when downstream models add conditioning branches, expand output channels. Despite training at a fixed guidance scale, our dedicated CFG LoRA provides text guidance control through its inference weight. Combining it with a few-step LoRA simultaneously preserves few-step generation and CFG controllability on downstream tasks. We verify training-free deployment on 54 downstream models across three backbone families and eight task categories, including world modeling, robotics, editing, and multimodal generation. The approach may support additional compatible models. Each capability can thus be distilled once per backbone family and reused without per-target retraining.